autocontext

让智能体每跑一轮都变强，失败经验自动传给下一轮

autocontext 是一个递归式自我改进的智能体运行框架（harness），目标是让 AI 智能体在任意任务上都能持续提升表现，并让后续迭代的智能体继承前一轮的经验。它解决的核心问题是：现有智能体在复杂任务中往往一次性执行、失败后无法沉淀经验，导致重复踩坑、能力无法累积。autocontext 通过把任务执行过程结构化，自动记录上下文、失败原因与有效策略，再把这些信息回灌给下一轮智能体，形成递归改进闭环。它兼容 Claude、Codex 等主流模型与编码智能体，可作为上层调度壳接入现有工作流，适合需要长期迭代、多轮试错的自动化任务场景。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1305

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类智能体

开发团队greyhaven-ai

所属国家

官网地址

GitHubhttps://github.com/greyhaven-ai/autocontext

定价模式free

价格说明开源项目，免费使用

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agents,ai,autoresearch,claude,claude-code,codex,hermes,hermes-agent,llms,ml,openclaw,pi,pi-coding-agent

GitHub 星标★ 1305

30天Star增速

HF 下载量

上线时间2026-02-11 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-08

浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

Python 环境，并安装 uv 包管理器（用于安装 Python CLI/库）
如需 npm CLI 或 TUI，需 Node.js 22.19.0 或更高版本
准备好至少一个模型提供方的凭据或本地智能体（如 Pi、anthropic、openai-compatible、openrouter、claude-cli、cod
自托管模型需可用的 vLLM、Ollama 或任意 OpenAI 兼容端点

安装与启动步骤

1安装 Python CLI

用 uv 安装 PyPI 上的 autocontext 包，安装后命令行入口为 autoctx。想作为库或参与开发则改用 uv pip install。
```
uv tool install autocontext==0.19.1
```
2可选装 Node CLI

需要 TypeScript/Node 版 CLI 时用 bun 全局安装。npm 包名是 autoctx，不是同名的 autocontext 包，注意别装错。
```
bun add -g autoctx@0.19.0
```
3可选装 Pi 扩展

如果使用 Pi 作为提供方，可以额外安装 Pi 扩展，装完即可在 Pi 中调用。
```
pi install npm:pi-autocontext@0.12.0
```
4设置提供方变量

提供方相关环境变量都在仓库的 .env.example 中列出，按其说明填写你要用的提供方与模型即可。
5跑一个 30 秒任务

Pi 是摩擦最小的提供方，直接复用本地智能体鉴权；也可换成 anthropic、codex 等其它 provider。
```
AUTOCONTEXT_AGENT_PROVIDER=pi AUTOCONTEXT_PI_COMMAND=pi autoctx solve "improve customer-support replies for billing disputes" --iterations 3
```
6查看运行产物

每次运行会在 runs// 留下 trace.jsonl、各代 strategy/analysis/score、report.md；知识沉淀在 knowledge// 的 playbook 与 conte

关键配置

配置项	必填	说明	示例
`AUTOCONTEXT_AGENT_PROVIDER`	是	指定本轮任务使用哪个智能体提供方	`pi`
`AUTOCONTEXT_PI_COMMAND`	否	使用 Pi 提供方时要调用的本地命令	`pi`
`AUTOCONTEXT_PROVIDER_HOSTING`	否	自托管端点声明为本地托管	`local`
`AUTOCONTEXT_PROVIDER_CAPABILITY`	否	声明端点能力档位，影响角色路由	`mid_tier`
`_PROVIDER_*`	否	为特定角色单独声明提供方端点	`COACH_PROVIDER_HOSTING=local`

如何确认成功

运行后检查是否生成 runs//trace.jsonl 与 report.md。

常见问题

Q：PyPI 包名和命令名为什么不一样？

A：PyPI 包名是 autocontext，安装后 CLI 命令是 autoctx；npm 包名是 autoctx，注意不要装成同名的 autocontext npm 包。

Q：没有 Pi，能用别的模型吗？

A：可以。AUTOCONTEXT_AGENT_PROVIDER 支持 anthropic、openai-compatible、openrouter、claude-cli、codex、pi-rpc 等，完整矩阵见 agent integration 文档。

Q：想在自己的 GPU 上跑本地模型怎么办？

A：参考 self-hosted-models 文档，支持 vLLM、Ollama 或任意 OpenAI 兼容端点，并需注意受限输出对开放权重更重要。

Q：npm CLI 启动报 Node 版本错误？

A：npm CLI 和 TUI 要求 Node.js 22.19.0 或更新版本，贡献者应使用 ts/.nvmrc 中锁定的版本。

注意事项

所有产物文件系统优先，可直接查看、diff、重放、导出或喂给训练流程。
Coach 与 architect 的上下文变更先存为不可变候选，须经候选/在任配对试验确认后才会对外服务。
自托管端点可额外声明 HOSTING=local 与 fast/mid_tier/frontier 能力档位，角色级端点用对应的 _PROVIDER_* 声明。

核心亮点

递归自我改进机制：把每轮任务的上下文与结果沉淀下来，供后续智能体复用，形成能力累积而非一次性执行
模型与智能体无关：兼容 Claude、Codex 等多种 LLM 和编码智能体，不绑定单一供应商
面向真实任务闭环：内置 harness 结构，覆盖执行、记录、回灌全流程，开箱即可接入现有自动化流程

不足之处

项目较新、星标约 1300，生态与最佳实践仍在早期，长期稳定性待观察
递归改进依赖上下文质量，缺乏对大模型幻觉或错误经验的过滤机制说明

适用场景

多轮代码修复或调试任务，让智能体从每次失败中学习并减少重复错误
自动化研究/实验流程，需要智能体反复尝试并沉淀有效策略
构建可长期演进的智能体工作流，把历史经验作为下一轮输入

替代项目

AutoGPT、LangGraph

项目介绍

autocontext 是智能体领域的开源项目，由 greyhaven-ai 开发，是 2026 年新上线的项目。

在全站 13,916 个收录项目中，它的 GitHub 星标数（1,305）位列前 30%，在智能体分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-07。免费使用。

它主要面向的使用场景是：多轮代码修复或调试任务，让智能体从每次失败中学习并减少重复错误。同类可对比的替代方案包括 AutoGPT、LangGraph。

上一篇：AIOpsLab

下一篇：MIRIX